CN103761707B - 一种快速高效去除图像椒盐噪声的均值滤波方法 - Google Patents

Abstract

本发明公开了一种快速高效去除图像椒盐噪声的均值滤波方法。包括以下步骤：8位灰度图像中，设定图像的滤波窗口，若中心像素灰度值为0或者255，则为疑似噪声像素，否则为信号像素；若为疑似噪声像素，从边界像素中提取信号像素构成集合，若为信号像素，则不处理；若提取的信号像素所构成集合为非空集，不处理；若为空集，则将滤波窗口大小加2，直至新集合为非空集；再用集合的元素灰度值均值代替，重复上述步骤处理直至所有疑似噪声像素，得到滤波处理后的图像。本发明具有良好的消除噪声和保持细节的能力，实用性强；实现了图像的自适应滤波，可简单、高效地去除高密度椒盐噪声，保留边缘及图像细节，效率远优于传统的滤波方法。

Description

一种快速高效去除图像椒盐噪声的均值滤波方法

技术领域

本发明涉及一种去除图像椒盐噪声的方法，尤其是涉及一种快速高效去除图像椒盐噪声的均值滤波方法。

背景技术

图像在采集、传输和接收过程中受到外界环境、传感器元件质量等因素影响，引入了不同类型的噪声导致图像质量下降，其中椒盐噪声是常见的噪声之一。能否有效地去除椒盐噪声对图像分割、图像特征识别等具有重要作用。传统处理椒盐噪声的方法采用与图像有关的参数来检测、消除噪声，但在去除噪声的同时，也会修改非噪声像素的灰度值，且计算时间较长。

发明内容

为了解决背景技术中的问题，本发明提出了一种快速高效去除图像椒盐噪声的均值滤波方法，应用于去除图像椒盐噪声，简单、快速、高效。

本发明的技术方案包括以下步骤：

1)8位灰度图像中，令被椒盐噪声污染的图像X的滤波窗口大小W为N×N，若该滤波窗口的中心像素灰度值x(i,j)为0或者255，则该像素为疑似噪声像素，否则为信号像素；

2)若该滤波窗口的中心像素为疑似噪声像素，从滤波窗口的边界像素中提取该滤波窗口中的信号像素构成集合Ω^s ₀，初始集合Ω^s ₀如下公式1所示：

Ω^s ₀＝{{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m＝i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m＝i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)

其中，m为滤波窗口中除中心像素以外的其他像素的横坐标，n为滤波窗口中除中心像素以外的其他像素的纵坐标，i为滤波窗口的中心像素的横坐标，j为滤波窗口的中心像素的纵坐标；若该滤波窗口的中心像素为信号像素，则不进行任何处理；

3)若步骤2)得到的集合Ω^s ₀为非空集，不进行任何处理；若步骤2)得到的集合Ω^s ₀为空集，则继续将滤波窗口大小W加2，针对大小加2后的滤波窗口重复步骤2)构造新集合，直到新集合Ω^s ₁为非空集；

4)将该滤波窗口的中心像素灰度值x(i,j)用集合Ω^s ₁中的元素灰度值均值代替，进行滤波处理，得到该中心像素滤波处理后的像素y(i,j)，即y(i,j)＝mean(y(m,n),y(m,n)∈Ω^s ₁)；

5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素，重复2)到4)直至完成所有疑似噪声像素的滤波处理，得到滤波处理后的图像Y。

所述的N为至少大于3的奇数。

本发明具有的有益的效果是：

对噪声密度为1％～99％的图像，均具有良好的消除噪声和保持细节的能力，实用性强；

针对性地选择滤波窗口下的疑似噪声像素，避免了无谓的计算和图像细节的损失；

有效选择信号像素集合并对疑似噪声像素进行滤波。仅选择滤波窗口边界中的信号像素参与滤波，参与滤波的像素个数少且有效性高，能大大减少所采用方法的计算量；

取信号像素集合的均值作为输出，对于特高密度的噪声滤波效果非常有效，因未对信号像素进行排序操作，减少了计算量；

该方法不需人为设定阈值，实现了图像的自适应滤波，可简单、高效地去除高密度椒盐噪声，保留边缘及图像细节，运算时间远小于传统的滤波方法。

附图说明

图1为实施例的滤波窗口示意图。

图2为实施例90％的噪声图像Couple及四种方法对其滤波后的结果。

图3为实施例90％的噪声图像Lena及四种方法对其滤波后的结果。

图4为实施例90％的噪声图像Pepper及四种方法对其滤波后的结果。

图5为实施例90％的噪声图像Man及四种方法对其滤波后的结果。

图6为实施例95％的噪声图像Baboon及四种方法对其滤波后的结果。

图7为实施例96％的噪声图像Baboon及四种方法对其滤波后的结果。

图8为实施例97％的噪声图像Baboon及四种方法对其滤波后的结果。

图9为实施例98％的噪声图像Baboon及四种方法对其滤波后的结果。

图10为实施例99％的噪声图像Baboon及四种方法对其滤波后的结果。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

本发明方法包括以下步骤：

1)8位灰度图像中，设定被椒盐噪声污染的图像X的滤波窗口大小W为N×N，若该滤波窗口的某像素的灰度值x(i,j)为0或者255，则该像素为疑似噪声像素，否则为信号像素；

2)若该滤波窗口的中心像素为疑似噪声像素，根据与中心像素距离越近的像素，其与中心像素的灰度值差值越小的准则，从滤波窗口的边界像素(图1的四根线段围成的黑色加粗部分)中提取该滤波窗口中的信号像素构成集合Ω^s ₀，初始集合Ω^s ₀如下公式1所示：

Ω^s ₀＝{{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m＝i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m＝i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)

其中，m为滤波窗口中除中心像素以外的其他像素的横坐标，n为滤波窗口中除中心像素以外的其他像素的纵坐标，i为滤波窗口的中心像素的横坐标，j为滤波窗口的中心像素的纵坐标；若该滤波窗口的中心像素为信号像素，则不进行任何处理；

3)若步骤2)得到的集合Ω^s ₀为非空集，不进行任何处理；若步骤2)得到的集合Ω^s ₀为空集，则继续将滤波窗口大小W加2，针对大小加2后的滤波窗口重复步骤2)构造新集合，直到新集合Ω^s ₁为非空集；

4)将该滤波窗口的中心像素灰度值x(i,j)用新集合Ω^s ₁中的元素灰度值均值代替，进行滤波处理，得到该中心像素滤波处理后的像素y(i,j)，即y(i,j)＝mean(y(m,n),y(m,n)∈Ω^s ₁)；

5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素，重复2)到4)直至完成所有疑似噪声像素的滤波处理，得到滤波处理后的图像Y。

所述的N为至少大于3的奇数。

实施例

选择5幅512×512大小的256级灰度级图像作为测试图像，5幅图像分别命名为图像Couple，图像Lena，图像Pepper，图像Man，图像Baboon，给前4幅测试图像分别加入20％、40％、60％、80％、90％、95％的椒盐噪声，与其它三种常用方法PSMF(Progressiveswitchingmedianfilterfortheremovalofimpulsenoisefromhighlycorruptedimages)、DBA(Anewfastandefficientdecision-basedalgorithmforremovalofhigh-densityimpulsenoises)、NAFSMF(Noiseadaptivefuzzyswitchingmedianfilterforsaltandpeppernoisereduction)进行对比，用峰值信噪比PSNR(db)来衡量四种方法的去噪能力。

本发明方法的滤波窗口如图1所示。8位灰度图像中，设定被椒盐噪声污染的图像X的初始滤波窗口大小W为3×3，若图1中的黑色实体正方形为疑似噪声像素，则相应进行上述的滤波处理。

根据与中心像素距离越近的像素，其与中心像素的灰度值差值越小的准则，从滤波窗口的3×3边界像素(图1的四根线段围成的的黑色加粗部分)中提取该滤波窗口中的信号像素构成集合Ω^s ₀；

得到的集合Ω^s ₀为空集，则继续将滤波窗口大小W加2，得到新集合Ω^s ₁，新集合Ω^s ₁为非空集；

将该中心像素灰度值x(i,j)用新集合Ω^s ₁中的元素的灰度值均值代替，进行滤波处理，得到该中心像素滤波处理后的像素y(i,j)；

重复以上步骤直至完成图像中所有疑似噪声像素的滤波处理，得到滤波处理后的图像Y。

最终测试结果如表1到表4所示。

表1图像Couple的测试结果

表2图像Lena的测试结果

表3图像Pepper的测试结果

表4图像Man的测试结果

图2～图5分别是图像Couple，图像Lena，图像Pepper，图像Man的噪声密度为90％时，四种方法滤波后的图像；图6～图10是图像Baboon的噪声密度分别为95％、96％、97％、98％、99％时，四种方法滤波后的图像。在每个图例中，从左到右依次为：带有噪声的图像、PSMF方法恢复后的图像、DBA方法恢复后的图像、NAFSM方法恢复后的图像，以及本方法恢复后的图像。

四种方法的运算时间如表5所示，表5中的测试图像为带有90％噪声的图像Man(MALAB7，CPU为IntelCore22.2GHz，内存2G)。

表5四种方法的运算时间

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (2)

1.一种快速高效去除图像椒盐噪声的均值滤波方法，其特征在于：包括以下步骤：

1)8位灰度图像中，令被椒盐噪声污染的图像X的滤波窗口大小W为N×N，若该滤波窗口的中心像素灰度值x(i,j)为0或者255，则该像素为疑似噪声像素，否则为信号像素；

2)若该滤波窗口的中心像素为疑似噪声像素，从滤波窗口的边界像素中提取该滤波窗口中的信号像素构成集合Ω^s ₀，初始集合Ω^s ₀如下公式(1)所示：Ω^s ₀＝{{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n＝j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m＝i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m＝i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)

其中，m为滤波窗口中除中心像素以外的其他像素的横坐标，n为滤波窗口中除中心像素以外的其他像素的纵坐标，i为滤波窗口的中心像素的横坐标，j为滤波窗口的中心像素的纵坐标；若该滤波窗口的中心像素为信号像素，则不进行任何处理；

3)若步骤2)得到的集合Ω^s ₀为非空集，不进行任何处理；若步骤2)得到的集合Ω^s ₀为空集，则继续将滤波窗口大小W加2，针对大小加2后的滤波窗口重复步骤2)构造新集合，直到新集合Ω^s ₁为非空集；

4)将该滤波窗口的中心像素灰度值x(i,j)用集合Ω^s ₁中的元素灰度值均值代替，进行滤波处理，得到该中心像素滤波处理后的像素y(i,j)，即y(i,j)＝mean(y(m,n),y(m,n)∈Ω^s ₁)；

5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素，重复2)到4)直至完成所有疑似噪声像素的滤波处理，得到滤波处理后的图像Y。

2.根据权利要求1所述的一种快速高效去除图像椒盐噪声的均值滤波方法，其特征在于：所述的N为至少大于3的奇数。